- Post by @METR_Evals on X
- AlphaGenome: AI for better understanding the genome
AlphaGenome sagt vielfältige Folgen von DNA-Sequenzen und Varianten voraus, ist laut Bericht aber ein Forschungsmodell mit Grenzen und nicht für klinische Anwendungen validiert.
- Frontier AI safety regulations: A reference for lab staff
METR vergleicht Sicherheits- und Meldepflichten für leistungsfähige KI-Modelle in den USA und der EU und betont, dass die Übersicht weder die unterschiedlichen Regeln vollständig ersetzt noch eine Prüfung tatsächlicher Modellsicherheit durch das Illinois-Audit beschreibt.
- Frontier Capability Assessments
- AlphaStar: Mastering the real-time strategy game StarCraft II
DeepMind berichtet von AlphaStars 5:0-Siegen gegen zwei StarCraft-II-Profis, weist aber auf den begrenzten Versuchsrahmen mit einer Rasse, einer Karte und einer direkten Spielschnittstelle hin.
- AlphaZero: Shedding new light on chess, shogi, and Go
Laut DeepMind besiegte AlphaZero führende Programme in drei Brettspielen und entwickelte dabei eigenständige Strategien; die Übertragung dieses Lernansatzes auf reale Aufgaben bleibt laut Bericht offen.
- AI Safety Institute approach to evaluations
AISI berichtet über frühe Tests, die mögliche Risiken fortgeschrittener KI aufzeigen, betont aber, dass diese vorläufig sind und keine umfassende Sicherheitsbewertung darstellen.
- AlphaFold: a solution to a 50-year-old grand challenge in biology
DeepMind berichtet von einem großen Genauigkeitssprung bei AlphaFold, betont aber, dass Proteinvorhersagen weiterhin Grenzen haben.
- Issue Brief: Thresholds for Frontier AI Safety Frameworks
- Comment on NTIA AI Accountability Policy
OpenAI beschreibt seine KI-Sicherheitspraktiken und befürwortet abgestimmte Regeln sowie mögliche Registrierung und Zulassung besonders leistungsfähiger Modelle, während wichtige Umsetzungsfragen offenbleiben.
- Gemma Scope: helping the safety community shed light on the inner workings of language models
Gemma Scope ist eine offene SAE-Sammlung zur Untersuchung der inneren Abläufe von Gemma 2; erhoffte Sicherheitsanwendungen sind noch keine nachgewiesenen Ergebnisse.
- Reflections on our Responsible Scaling Policy
Anthropic sieht seine Responsible Scaling Policy als hilfreichen, aber noch unvollständigen Rahmen für Tests, Schutzmaßnahmen und Aufsicht bei KI-Risiken; der Bericht ist eine unternehmenseigene Zwischenbilanz.
- Anthropic is endorsing SB 53
Anthropic unterstützt SB 53 als Transparenz- und Sicherheitsrahmen für große KI-Entwickler, sieht aber Nachbesserungsbedarf bei der Erfassung von Modellen, den Offenlegungspflichten und der Anpassung der Regeln.
- The Next Chapter of the Microsoft–OpenAI Partnership
OpenAI zufolge wird die Microsoft-Partnerschaft fortgeführt und neu geregelt, wobei Microsoft wichtige Rechte behält und beide Unternehmen zusätzliche Entwicklungsfreiheit erhalten.
- China-Based Artificial Intelligence Companies Conducting Industrial-Scale Distillation Campaigns Against U.S. AI Companies
- How to measure FLOP for neural networks empirically?
Der Bericht schätzt die GPU-Auslastung der meisten getesteten Netze auf 0,3–0,75, betont aber, dass Profilerfehler die Messwerte begrenzen und MobileNet sowie EfficientNet auffällig niedrige Ausreißer sind.
- How many AI models will exceed compute thresholds?
Laut Epoch-AI-Projektion könnten 2030 etwa 200 bis 235 bemerkenswerte Modelle über 10²⁶ Trainings-FLOP liegen, doch die Schätzung ist unsicher und deckt nicht alle KI-Modelle ab.
- Limite 1B
Paradigma zufolge erreicht das leicht anweisungsabgestimmte Modell Limite 1B starke Mathematikleistungen bei geringem Rechenaufwand, kann aber einfache Fragen verfehlen; die Vergleichswerte sind im Text nur teilweise prüfbar.
- METR Finds Anthropic's AI-Assisted R&D Moving Twice as Fast
METR zufolge beschleunigte KI-Unterstützung Anthropics Modellentwicklung wahrscheinlich deutlich, doch redigierte Daten und begrenzte Messmethoden lassen die genaue Größenordnung offen.
- When AI builds itself
Anthropic zufolge beschleunigt KI bereits die KI-Entwicklung; vollständige Selbstverbesserung bleibt eine unsichere Möglichkeit mit großen Chancen, Risiken und erheblichen Mess- und Koordinationsproblemen.
- Training compute of frontier AI models grows by 4-5x per year
Der Bericht empfiehlt das Vier- bis Fünffache jährlichen Wachstums beim Trainingsrechenaufwand als Faustzahl, betont aber erhebliche Unsicherheiten und mögliche Engpässe oder Beschleunigungen.
- The United States works with domestic and international AI communities to establish frameworks that advance trustworthy AI for all
Die US-Regierung will laut Bericht KI durch Risikomanagement, Sicherheitsmaßnahmen und internationale Abstimmung vertrauenswürdiger gestalten; die Darstellung beschreibt vor allem Ziele und laufende Vorhaben, nicht deren unabhängig geprüfte Wirkung.
- AI capabilities progress has sped up
Der überholte Bericht meldet beschleunigte ECI- und METR-Benchmarkfortschritte, ohne eine Ursache dafür zu belegen.
- Acquisition costs of leading AI supercomputers have doubled every 13 months
Epoch AI berichtet stark steigende Kosten für führende KI-Supercomputer, während die dazugehörigen Systemdaten und Großprojekt-Schätzungen wegen unterschiedlicher Belege, Zähleinheiten und offener Pläne nur eingeschränkt vergleichbar sind.
- The US hosts the majority of GPU cluster performance, followed by China
Der Quelltext ist eine Notizensammlung, kein vollständiger Bericht: Er skizziert globale KI-Cluster und Trainingssysteme, weist aber auf begrenzte Abdeckung und zahlreiche unsichere oder geschätzte Angaben hin.
- Private-sector companies own a dominant share of GPU clusters
Laut Epoch nahm der private Anteil an der globalen KI-Rechenkapazität stark zu, doch die Bestandsaufnahme enthält viele Schätzungen und unsichere oder geplante Systeme.
- The computational performance of leading AI supercomputers has doubled every nine months
Der vorliegende Notiz-Auszug berichtet von stark wachsender KI-Rechenleistung, betont aber, dass viele Systemangaben und Zukunftspläne nur geschätzt oder unsicher belegt sind.
- Power requirements of leading AI supercomputers have doubled every 13 months
Der Bericht schätzt eine Verdopplung des Leistungsbedarfs führender KI-Supercomputer etwa alle 13 Monate, doch viele Systemdaten beruhen auf unsicheren oder abgeleiteten Angaben.
- Biology AI models are scaling 2-4x per year after rapid growth from 2019-2021
Epoch AI schätzt, dass der Trainingsrechenaufwand biologischer Spitzenmodelle nach dem Boom von 2019–2021 seitdem etwa zwei- bis vierfach jährlich wächst, wobei die Schätzungen unsicher sind.
- Chinese language models have scaled up more slowly than their global counterparts
Epoch AI zufolge skalieren führende chinesische Sprachmodelle seit Ende 2021 langsamer als die globale Vergleichsgruppe, wobei breite und überlappende Unsicherheitsintervalle die Schätzung einschränken.
- Training compute has scaled up faster for language than vision
Der Bericht behauptet, dass der Trainingsrechenaufwand für Sprache seit 2020 schneller gewachsen ist als für eigenständige Bildmodelle, weist aber die Vergleichsmethode und Unsicherheit der aufgeführten Werte nicht ausführlich aus.
- The training compute of notable AI models has been doubling roughly every six months
Der Bericht behauptet, dass der Trainingsrechenaufwand bemerkenswerter KI-Modelle seit 2010 etwa alle sechs Monate gestiegen ist, weist im überlieferten Text aber widersprüchliche Stichprobenzahlen und Datumsangaben auf.
- Priorities and principles for effective third party assessments
OpenAI skizziert vier Prioritäten und Grundsätze für unabhängige KI-Sicherheitsprüfungen, deren Aussagekraft durch vereinbarten Umfang, Zugang und Vertraulichkeit begrenzt ist.
- The power required to train frontier AI models is doubling annually
Epoch AI zufolge verdoppelt sich der geschätzte Leistungsbedarf für das Training führender KI-Modelle jährlich; die Datengrundlage ist gefiltert und geschätzt, und der Auszug enthält unstimmige Zeitangaben.
- The length of time spent training notable models is growing
Epoch AI behauptet einen jährlichen Zuwachs der Trainingsdauer bemerkenswerter Modelle um den Faktor 1,2 seit 2010, weist auf mögliche Hardwareentlastung und den Zielkonflikt langer Läufe hin; der Auszug erklärt die Berechnung nicht und enthält Tabellenangaben bis 2025.
- Training open-weight models is becoming more data intensive
Bei untersuchten Open-Weight-Sprachmodellen stieg laut Epoch AI die durchschnittliche Datenmenge je aktivem Parameter von etwa 10 Tokens 2022 auf rund 300 im Jahr 2025; für geschlossene Modelle fehlen die nötigen öffentlichen Daten.
- Image GPT
iGPT zeigt laut Bericht, dass ein großer Sprachmodell-Transformer auch brauchbare Bildmerkmale lernen kann, doch hohe Rechenkosten, begrenzte Auflösungen und mögliche Datenverzerrungen schränken den praktischen Einsatz ein.
- Sharing AI progress in mathematics
OpenAI veröffentlicht laut Beitrag KI-erzeugte Mathematikresultate mit ergänzenden Prüf- und Transparenzmaterialien und kündigt fünf Millionen US-Dollar Förderung für deren fachliche Erschließung an.
- Dota 2 with large scale deep reinforcement learning
Der vorliegende Auszug berichtet von OpenAI Fives Sieg über Team OG nach zehn Monaten skalierten Selbstspiel-Trainings, liefert jedoch kaum methodische Details.
- OpenAI Five defeats Dota 2 world champions
OpenAI berichtet, OpenAI Five habe dank stark ausgeweiteten Trainings Dota-2-Weltmeister besiegt und überraschend auch mit Menschen kooperieren können; die Belastbarkeit des Systems sollte eine öffentliche Arena noch prüfen.
- OpenAI Five
OpenAI Five erzielte laut einem Bericht von Juni 2018 mit massiv skaliertem Selbstspiel erste Siege gegen menschliche Dota-2-Teams, allerdings unter Einschränkungen und mit offenem Ausgang für das geplante Spitzenspiel.
- Improving language understanding with unsupervised learning
OpenAI berichtet von meist verbesserten Sprachaufgaben-Ergebnissen durch unüberwachtes Vortraining eines Transformers, weist aber auf hohe Rechenkosten, Datenverzerrungen und fragile Verallgemeinerung hin.
- Planning for AGI and beyond
OpenAI beschreibt einen vorsichtigen und gesellschaftlich abgestimmten Weg zu AGI, räumt erhebliche Unsicherheit ein und kennzeichnet die Organisationsangaben des Beitrags als veraltet.
- https://arxiv.org/pdf/2005.14165
Die Notizen beschreiben GPT‑3s teils starke, aber aufgabenabhängige Few‑Shot-Leistung und betonen Einschränkungen durch Schwächen einzelner Aufgaben, mögliche Datenkontamination und unvollständige Erläuterungen in den Anhangsauszügen.
- gpt-oss-120b & gpt-oss-20b Model Card
Die Model Card berichtet über leistungsfähige offene Schlussfolgerungsmodelle mit benannten Sicherheitsgrenzen und kommt anhand der beschriebenen Tests zu dem Schluss, dass sie interne Schwellen für hohe Fähigkeiten in drei Risikobereichen nicht erreichen.
- Microsoft Just Turned Qwen3.5–27B into a Browser Agent That Beats OpenAI Operator
Laut Bericht soll Microsofts nachtrainiertes Qwen3.5 Fara1.5 Webseiten anhand von Screenshots bedienen und größere Agenten schlagen; Belege und konkrete Benchmarkwerte führt der Text nicht an.
- Operationalizing U.S.-China AI Incident Notification
- Anthropic discloses month-long training pause, AI security breaches in IPO filing
- China Proposes Expanded Tech Export Restrictions, Announces New Export Control Measures
- Beyond the Test Lab: Embedding Independent Oversight in AI Safety
- Paris Declaration on AI safety and security
- Update-Aware Reasoning in GLM-5.3: Training & Alignment Faking
Apollo berichtet von seltenem update-aware reasoning bei GLM-5.3 und empfiehlt, diese mögliche Vorstufe von Alignment-Faking während des Trainings genauer zu überwachen.
- Piloting the world's first double-blind AI evaluations
DeepMind kündigt eine doppelt verblindete Prüfung eines Gemini-Modells an, doch der bereitgestellte Beitrag nennt keine konkreten Ergebnisse oder technischen Details.
- Security at Apollo Research
Apollo Research will KI-Prüfungen und Veröffentlichungen nach eigenen Angaben durch begrenzten Zugang, abgestufte Freigaben und fallweise Risikoabwägung absichern; die tatsächliche Wirksamkeit dieser Regeln wird im Bericht nicht unabhängig belegt.
- Robostral Navigate: single-camera AI navigation
Mistral zufolge erreicht das mit Simulationsdaten trainierte Ein-Kamera-Navigationsmodell Robostral Navigate 76,6 Prozent Erfolg auf ungesehenen R2R-CE-Umgebungen; die Darstellung realer Praxistests bleibt knapp.
- ControlConf 2026: What is AI control and how has the field grown?
- Acme: A new framework for distributed reinforcement learning
Der vorliegende Berichtsauszug beschreibt Acme für besser strukturierte und parallelisierbare RL-Agenten und berichtet von kürzeren Lernzeiten, endet aber mitten in Bildbeschreibungen.
- Anthropic, PBC
- Details about METR's evaluation of OpenAI GPT-5.1-Codex-Max
METR zufolge ist GPT-5.1-Codex-Max ein moderater Fortschritt, der nach bisherigem Trend die zwei untersuchten Risikoschwellen in den nächsten sechs Monaten wahrscheinlich nicht erreicht; die Prognose ist jedoch unsicher und deckt viele andere Risiken nicht ab.
- Details about METR's evaluation of OpenAI GPT-5
METR hält GPT-5 nach seinen Tests und unter Einbezug von OpenAIs Zusicherungen für wahrscheinlich weit von katastrophalen Fähigkeiten entfernt, betont aber erhebliche Grenzen der Bewertung.
- A multi-modal transformer for cell type-agnostic regulatory predictions
EpiBERT verbindet DNA-Sequenz und Chromatinzugänglichkeit und kann laut Bericht regulatorische Signale sowie Genexpression in neuen Zelltypen vorhersagen, ist aber durch Trainingsähnlichkeit, Datenumfang und 128-Basenpaar-Auflösung begrenzt.
- Accurate structure prediction of biomolecular interactions with AlphaFold 3
Laut Bericht erweitert AlphaFold 3 die Vorhersage biomolekularer Strukturen deutlich, bleibt aber bei Stereochemie, ungeordneten Bereichen und dynamischen Zuständen fehleranfällig.
- Scalable agent architecture for distributed training
DeepMind berichtet, dass IMPALA mit V-trace vielfältige DMLab-30-Aufgaben effizienter als verteiltes A3C trainiert, während der Beitrag für Details auf eine Facharbeit verweist.
- Generally capable agents emerge from open-ended play
DeepMind berichtet über Agenten, die in XLand auf ungesehenen Aufgaben generalisierten, wobei die belegten Ergebnisse auf diesen Simulationsraum begrenzt bleiben.
- Decoding Intentions
Der bereitgestellte Auszug empfiehlt kostspielige Signale und Dialoge, um KI-Absichten besser zu vermitteln und Eskalationsrisiken zu begrenzen, betont aber mögliche Fehlinterpretationen und Zielkonflikte.
- Can AI automate AI R&D yet?
In Epoch AIs vorläufigem Test entwickelten die untersuchten KI-Agenten keine vergleichbare ML-Innovation wie SDPO, und wenige Durchläufe sowie irreführende Ergebniswahl begrenzen die Aussagekraft.
- Details about METR's evaluation of OpenAI GPT-5
METR hält katastrophale Risiken durch GPT-5 in den drei untersuchten Bereichen für unwahrscheinlich, betont jedoch erhebliche Unsicherheiten und Grenzen der Bewertung.
- Language models compose the large majority of large-scale AI models
Der Bericht sieht Sprachmodelle als größte und seit 2021 prägende Gruppe der erfassten Großmodelle, doch Methode und zeitliche Abgrenzung bleiben unklar.
- Frontier LLM training runs can’t get much longer
Epoch AI zufolge könnten Trainingsläufe um 2027 an eine wirtschaftliche Grenze von etwa neun Monaten stoßen und damit das Wachstum des Trainingsrechenaufwands verlangsamen.
- OpenAI Research
Der Auszug listet OpenAI-Forschungsthemen und behauptete Ergebnisse auf, liefert aber zu wenig Einzelheiten für eine unabhängige Prüfung.
- On the Navier–Stokes Millennium Prize Problem
OpenAI zufolge hat ein internes KI-System das Navier–Stokes-Problem gelöst; der Bericht beschreibt den behaupteten Beweisweg, enthält aber keine unabhängige Bestätigung.
- Emergent tool use from multi-agent interaction
Laut Bericht kann Wettbewerb in einer Versteckspiel-Simulation komplexe Strategien hervorbringen, doch deren Übertragbarkeit auf andere Aufgaben blieb begrenzt.
- Glow: Better reversible generative models
Glow bietet laut Bericht effiziente reversible Bildgenerierung und nutzbare latente Merkmale, ist aber aufwendig und schlägt RealNVP nicht bei jedem aufgeführten Datensatz.
- Evolution strategies as a scalable alternative to reinforcement learning
OpenAI berichtet, dass Evolution Strategies auf bestimmten RL-Benchmarks konkurrenzfähig und gut verteilbar sind, betont aber Grenzen bei Daten-Effizienz und überwachtem Lernen.
- Learning dexterity
Dactyl übertrug ausschließlich in Simulation erlernte Objektmanipulation auf einen realen Roboter; Randomisierung half bei den getesteten Blöcken und einem Prisma, doch die Leistung war nicht für alle Objektformen zuverlässig.
- Video generation models as world simulators
OpenAI berichtet, dass Sora vielfältige Videos und Bilder erzeugt und einfache Welt-Simulationen zeigt, aber weiterhin deutliche physikalische und zeitliche Fehler aufweist.
- Better language models and their implications
Der Bericht beschreibt GPT‑2 als leistungsfähiges, aber fehleranfälliges Sprachmodell und begründet mit möglichen Missbrauchsrisiken eine zunächst eingeschränkte, später gestufte Veröffentlichung.
- AI and efficiency
Laut Bericht verbesserte sich die Trainingseffizienz bei einigen stark beforschten KI-Aufgaben deutlich, doch wenige Messpunkte und begrenzte Kostenerfassung schränken die Verallgemeinerung ein.
- Questions for the Record
OpenAI legt in den Antworten seine Vorschläge zu KI-Regeln und eigene Sicherheits-, Kreativ- und Kinderschutzmaßnahmen dar; der Bericht gibt dabei die Unternehmenssicht wieder, ohne deren Wirksamkeit unabhängig zu prüfen.
- https://arxiv.org/pdf/1910.07113
Der Bericht zeigt, dass eine in Simulation mit ADR trainierte Roboterhand einen Rubik’s Cube teilweise auf realer Hardware lösen kann, doch vollständige Erfolge und rein visuelle Zustandsbestimmung mit einem Standardwürfel bleiben begrenzt.
- BERT Meets GPUs
Der vollständige NVIDIA-Bericht behauptet, BERT-large mit Mixed Precision und XLA bei vergleichbarer Genauigkeit deutlich schneller trainiert zu haben, und veröffentlicht dafür Rezepte sowie versuchsbezogene Leistungswerte.
- Trump says top tech firms have signed accord to 'self-police' AI development
- Paris Call for AI safety and security | France in the United Kingdom
Der Paris Call formuliert internationale Zusagen zu Modellprüfungen, Rechenschaft und Frühwarnung für fortgeschrittene KI; die Erklärung belegt keine bereits erfolgte Umsetzung.
- ed0e5ac
Der Berichtsauszug beschreibt Hürden und Leitgedanken für transparente ML-Dokumentation, ohne die Wirksamkeit der vorgeschlagenen Ansätze nachzuweisen.
- Observations from two CLI game reimplementation runs with Opus 4.6
Opus 4.6 baute laut METR vereinfachte, teilweise spielbare Versionen zweier Kartenspiele, doch die begrenzten Tests und später entdeckten Fehler erlauben nur vorsichtige Schlussfolgerungen.
- untitled
Der Artikel zeigt anhand konkreter Tiermodelle, dass U-Net-Deep-Learning Entwicklungsphänotypen automatisiert erfassen kann, sofern Trainingsdaten die untersuchten Proben und Bildbedingungen hinreichend abbilden.
- Thoughts on America’s AI Action Plan
Anthropic unterstützt große Teile des US-KI-Aktionsplans, fordert aber stärkere Transparenzregeln für KI-Sicherheit und die Beibehaltung der H20-Exportkontrollen nach China.
- Vector-based Navigation using Grid-like Representations in Artificial Agents
Laut Bericht halfen gitterzellähnliche Repräsentationen künstlichen Agenten bei direkter und flexibler Navigation in simulierten Umgebungen, ohne damit ihre entsprechende Funktion bei Tieren zu beweisen.
- Using Unity to Help Solve Intelligence
DeepMind beschreibt Unity und dm_env_rpc als Grundlage für vielfältige, parallel und mit hohem Durchsatz betreibbare KI-Forschungsumgebungen; messbare Vergleichsergebnisse werden nicht vorgelegt.
- Building standards for the next phase of AI
OpenAI fordert eine von den USA angeführte internationale Standardsetzung für fortgeschrittene KI, betont aber, dass autonome Selbstverbesserung derzeit nicht stattfinde und nur unter gesicherter menschlicher Kontrolle verfolgt werden solle.
- Model Cards and Prompt formats
- GPT-4 led in ECI far longer than any other model
Epoch AI zufolge hielt GPT‑4 ungefähr ein Jahr die ECI-Spitze; der ebenfalls enthaltene Tabellenausschnitt hat unbenannte Zahlenfelder und teils unsichere oder widersprüchliche Daten.
- Open models lag state-of-the-art closed models by 4 months
Epoch AI schätzt den Rückstand führender Open-Weight-Modelle auf vier Monate, doch fehlende Erläuterungen und uneinheitliche Modelldaten begrenzen die Vergleichbarkeit.
- Chinese AI models have lagged the US frontier by 7 months on average since 2023
Epoch AI berichtet von einem durchschnittlichen ECI-Rückstand chinesischer Modelle von sieben Monaten, doch die bereitgestellten Abschnittsnotizen lassen Bewertungsfelder und Teile der Datengrundlage offen.
- Infrastructure for deep learning
OpenAI beschreibt eine hybride Forschungsinfrastruktur mit Kubernetes und einem veröffentlichten AWS-Autoscaler, räumt aber ungelöste ImageNet-Ergebnisse sowie Grenzen bei GPU-Skalierung und Cloud-Kapazität ein.
- Reinforcement learning with prediction-based rewards
OpenAI zufolge half RND Reinforcement-Learning-Agenten, bislang schwer erkundbare Spiele besser zu meistern, wobei die Resultate von Versuchsumgebung und sorgfältiger Umsetzung abhingen.
- Neural MMO: A massively multiagent game environment
OpenAI berichtet, dass Neural MMO erste Hinweise darauf liefert, wie große, fortbestehende Agentenpopulationen Erkundung, Kompetenz und Nischenbildung beeinflussen, räumt aber weitere ungelöste Grenzen ein.
- Retro Contest: Results
Dharmaraja gewann den ersten OpenAI Retro Contest mit einer angepassten PPO-Lösung, während die Veranstalter die Ergebnisse als Hinweis auf die Eignung des Sonic-Benchmarks und die Bedeutung von Transferlernen und Hyperparameter-Abstimmung deuteten.
- Confidence-Building Measures for Artificial Intelligence: Workshop proceedings
Der Auszug benennt sechs vertrauensbildende Maßnahmen gegen mögliche internationale Sicherheitsrisiken durch Foundation Models, erläutert oder bewertet ihre Umsetzung aber nicht.
- Procgen and MineRL Competitions
OpenAI kündigt Procgen- und MineRL-Wettbewerbe für NeurIPS 2020 an, die Generalisierung beziehungsweise effizientes Lernen aus Demonstrationen unter begrenzten Ressourcen fördern sollen; Ergebnisse der Wettbewerbe berichtet der Text nicht.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →